基于纵程解析解的飞行器智能横程机动再入协同制导

针对高超声速飞行器协同饱和打击需求,提出一种基于深度Q-学习网络(DQN)算法的深度强化学习横程机动再入协同制导方法。解耦设计高超声速飞行器横纵制导方法,基于高精度的纵程解析解,解析计算纵向升阻比得到倾侧角模值。抽象横向制导倾侧反转逻辑为马尔可夫决策问题,引入强化学习思想,设计一种基于DQN算法的横向智能机动决策器,构建智能体离线学习-在 线调用模式,计算倾侧角剖面的符号变化。以典型高超声速飞行器CAV-H为对象,基于数学分析MATLAB平台通过弹道仿真对该制导方法进行验证。仿真结果表明：新制导方法制导精度高,任务适应性强,可以在线使用,能够严格满足飞行时间约束和能量管理需求;相比于基于三维解析解的再入协同制导方法,新制导方法可以更大程度发挥飞行器的横向机动能力,具备更高的突防潜力。     

远程弹道式飞行器机动制导方法

以一种远程弹道式飞行器为研究对象,研究了弹道落点可以覆盖大面积区域的机动弹道设计及制导方法。采用兰伯特定理设计机动弹道,并采用迭代的方法对地球非球形摄动进行补偿。在考虑发动机性能的基础上,采用速度增益制导算法对飞行器进行关机制导。为了保证再入点的高精度要求,提出了一种弹道修正制导算法,制导过程分为横向制导和纵向制导,横向制导采取相平面法,纵向制导采用一种解析的闭路制导算法。仿真结果表明,该文方法能够使飞行器较好地实现远程机动飞行,具有较好的鲁棒性。     

高升阻比滑翔飞行器再入制导方法研究

针对高升阻比滑翔飞行器再入段制导方法的工程需求,提出了“改进的预测-校正制导+定向末制导”方法作为再入段制导方法。通过调整其横向制导的误差边界,解决了飞行器在交班点附近出现的横向误差不收敛问题,同时兼顾了较大的横向机动距离,发挥了飞行器高升阻比的特性。对预测-校正制导流程进行了改进,从而赋予了飞行器在线变更目标点的能力。在距目标一定距离时切换为末制导律,采用约束落点弹道倾角和航向角的广义比例导引法,实现对目标的定点定向打击。蒙特卡洛仿真结果表明,该制导方法对各项误差有较强的鲁棒性,具有较好的应用前景。     

一种探月返回轨迹大气层内外联合规划制导算法研究

直接返回再入是探月返回常见方式.主要研究大气层内外参数联合规划制导算法,通过在月球影响球出口点进行轨道拼接,建立地心轨道及再入段与设计参数的对应关系.将出月球影响球点和月心的连线与地月连线夹角、出口点月面纬度和月心真近点角作为待优化参数,将再入点航迹倾角、航迹偏角与理想状态的偏差及地心段轨道近地点高度作为约束,利用粒子群优化,得到可行的设计参数,实现基于预测校正的再入过程最大过载最小,并通过调整置入时刻,实现经度匹配.仿真表明提出的联合优化算法能够在轨道段将飞行器导引至理想的再入点,且航迹倾角和航迹偏角满足设计要求;而预测校正制导算法可将进入再入点的返回飞行器精确导引至预定开伞点且最大过载最小.     

基于虚拟再入角的快速离轨制动制导方法

为满足再入飞行器快速离轨制动的需求，提出一种基于虚拟再入角的快速离轨制动制导方法。在分析脉冲离轨制动的制导机理的基础上，采用有限推力方式逐渐接近终端状态，满足再入角度和再入速度的交班需求；采用凸优化方法计算满足多终端约束的时间最优轨迹，结合有限推力制导算法的仿真结果，分析轨迹特点，提出虚拟再入角概念，设计考虑多终端约束的快速离轨制动的在线制导算法。分别从运算效率和制导精度两个方面，同现有方法进行比较，并在发动机推力大小与方向存在偏差情况下进行蒙特卡洛仿真。仿真结果表明，相比于现有算法，所提出的算法在保障同等控制精度的前提下，实现了快速离轨阶段快速的目标，且可以满足在线计算的需求。     

基于倾侧角反馈控制的预测校正再入制导方法

针对升力式高超声速飞行器再入滑翔制导问题,提出了一种基于倾侧角反馈控制的预测校正制导方法。该算法不依赖于传统的准平衡滑翔条件（QEGC）,能够抑制再入滑翔飞行过程中产生的周期性轨迹震荡现象。纵向制导采用落点预测与指令校正相结合的方法,通过设计倾侧角反馈控制律对飞行器的高度变化率进行实时修正;侧向制导兼顾考虑横程误差和航向角误差对制导指令的影响,设计了一种基于归一化误差走廊的倾侧角反转逻辑,实现了飞行器的侧向运动控制。CAV-H高超声速飞行器制导仿真实例表明, 该制导方法有效地抑制了再入滑翔轨迹的周期性震荡,导引飞行器完成平稳再入飞行。Monte Carlo仿真验证表明,在多种扰动和误差存在的情况下,该制导方法具有良好的鲁棒性。     

高超声速飞行器六自由度建模及耦合特性分析

针对高超声速飞行器进行无动力再入建模及耦合特性分析。基于空天飞行器在高超声速状态下的气动力及气动力矩参数数据,采用神经网络拟合并建立气动参数模型。分析了飞行器在最大升阻比下飞行时舵机对弹道的耦合特性,以及气动力对姿态角速度、姿态角速度通道之间的耦合特性。仿真结果表明高超声速飞行器模型是一类参数时变、强耦合的复杂非线性系统,该模型可用于弹道优化、制导律及姿态控制等问题的设计及研究。     

基于MPSP算法的高速飞行器上升段制导研究

针对高速飞行器的上升段制导问题,提出了一种基于模型预测静态规划(Model Predictive Static Programming,MPSP)算法的自适应制导方法,实现了在存在不确定情况下高速飞行器对期望末端状态的高精度制导。MPSP算法在求解带末端约束的两点边值问题方面具有高效性,能够实现飞行过程中制导指令的快速计算。此外,考虑到MPSP算法是一种依赖于模型的算法,而复杂多变的大气环境带来了气动参数的不确定性。采用带遗忘因子的递归最小二乘法(Recursive Least Squares,RLS)在线地估计综合升力系数和综合阻力系数偏差,对模型进行偏差修正,提供了制导方案的自适应性。仿真结果表明,该制导方案能较好地完成飞行任务。     

再入飞行器高空机动飞行的最优制导律分析

研究了在降弧段进行高空机动的再入飞行器最优制导律。给出了一种新的飞行器运动数学模型和这一模型下的最优制导律以及再入飞行器发动机工作时间、过载系数和估算方法。解算结果表明，该模型和制导律可用于再入飞行器的高空机动飞行控制。     

基于优化弹道的BPNN预测制导方法

针对飞行器再入滑翔过程,提出一种跟踪优化弹道的BPNN(BP neural network)预测制导方法。首先着眼于多约束下弹道生成的快速性,利用hp-自适应伪谱法进行弹道优化;然后利用弹道样本数据训练BPNN,建立飞行状态参数与终端状态参数之间的非线性映射关系,实现对终端状态的预测;最后为制导律设计了双层线性反馈校正算法,从而完成预测制导关键环节。仿真算例该表明制导方法能够良好地满足再入飞行约束和终端约束,同时可以较好地实现对优化弹道的跟踪,并具有一定的鲁棒性和航程适应性。     

基于自适应神经模糊系统的高超声速飞行器再入预测制导

针对高超声速飞行器再入运动过程模型的非线性特性,提出了一种基于自适应神经模糊系统(ANFIS)的再入预测校正制导方法。在以能量为自变量的三自由度再入方程的基础上分别设计了纵向制导律和侧向制导律。以能量和剩余航程偏差为输入参数,侧倾角调节量为输出参数,设计了ANFIS控制器,并将其应用于纵向制导。侧向制导基于横程与能量的近似线性关系,设计了由分段漏斗形横程走廊控制的侧倾角反转逻辑。仿真结果表明,所设计的制导律具有制导指令解算速度快,制导和落点精度高且对再入初始偏差及过程扰动不敏感的优点。     

通用高速飞行器预测校正再入制导方法研究

给出一种适合通用高速飞行器（CAV）的预测校正再入制导方法。首先基于再入高速飞行器三自由度运动模型,研究了再入过程中CAV受到的过程约束。基于准平衡滑翔条件给出了在指定倾侧角下的参考航程的计算方法,并指出当飞行器的初始航程超过参考航程时,可以使用本文给出的方法有效抑制飞行器轨迹在高度上的振荡。为了提高制导精度,不仅给出了精确计算当前倾侧角的方法,也给出了粗略调整终端倾侧角方法。最后仿真验证了制导方法的有效性。     

高超声速滑翔飞行器再入制导方法及热点问题研究综述

高超声速滑翔飞行器是一类具有重要战略价值的临近空间飞行器,其再入段制导是当前研究的重点问题之一.梳理了高超声速滑翔飞行器再入制导方法的发展历程,综述了标称轨迹制导方法、预测校正制导方法、闭环最优制导方法的原理和研究现状,并对其特点和局限进行了分析.针对再入协同制导、再入鲁棒轨迹优化、再入变体制导、再入智能制导等当前再入...     

机动再入飞行器神经网络闭路初制导研究

解决有限推力模型的再入飞行器初制导问题,利用传统开环控制的关机方程达不到要求的精度.提出了一种前馈反馈神经网络闭路初制导律.利用遗传算法生成能量最省轨迹,作为神经网络训练样本,利用遗传算法离线训练前馈三层BP网络,构成前馈神经网络控制器.状态反馈控制器采用在线神经PID控制器.仿真结果表明,该闭路初制导能够完成有限推力情况下的再入初制导任务,对初始位置误差、推力方向偏差和测量误差不敏感,具有一定的鲁棒性和适应性.     

基于改进割线法的高超声速飞行器再入预测制导

针对基于割线法的预测校正算法对高超声速飞行器再入制导中初值敏感度较高及时效性和制导精度较低的问题,提出了一种基于改进割线法的再入预测校正制导方法。将改进割线法应用在纵向制导计算倾侧角数值大小,横侧向制导设计了横程走廊边界控制倾侧角的反转策略以保证制导精度。仿真结果表明,该算法易于实现,对初值不敏感,有较快的制导指令解算时间,制导精度较高,且对扰动偏差不敏感的优点。     

高超声速飞行器高精度载荷抛撒制导方法

为解决高超声速飞行器俯冲段载荷抛撒问题,提出了基于抛撒点弹道参数组合与载荷落点映射关系的高精度载荷抛撒制导方法.采用人工神经网络方法建立了抛撒点弹道参数组合与载荷落点的映射关系,极大地降低了存储量并且提高了在线计算效率.在建立的映射关系基础上,通过设计飞行器向固定点、固定状态导引的制导律,给出了抛撒点固定的载荷抛撒制导方法;为了提高载荷抛撒的灵活性,采用预测-校正思想,给出了抛撒点实时确定的预测-校正载荷抛撒制导方法.CAV-H飞行器的载荷抛撒制导仿真表明,2种载荷抛撒制导方法获得的落点精度分别为300m与17m,所提出的2种制导方法涵盖了载荷抛撒制导的2类主要方案,可互为重要补充,能够为高超声速飞行器俯冲段高精度载荷抛撒提供参考.     

再入飞行器禁飞区规避近似解析制导方法

针对再入飞行器的禁飞区规避问题,提出了一种基于近似解析解的禁飞区规避制导方法。所设计的制导方法,在对飞行器转弯能力分析的基础上,结合Dubins曲线的路径规划方法,求解规避需用倾侧角的近似解析解,生成禁飞区规避指令;然后为修正规避引起的航程及高度误差,通过基于能量的运动模型,进行航程及高度的解析预测-校正制导;最终实现禁飞区的规避并满足高度和航程的约束。仿真结果表明,该制导方法能够有效实现飞行器的禁飞区规避,满足再入终端约束,计算效率高。     

高超声速飞行器实时最优伪谱反馈末制导算法研究

针对高超声速飞行器攻击目标末制导阶段快速、准确的任务要求,提出了一种飞行器实时最优伪谱反馈末制导算法.该算法首先离线生成一条满足各种约束的飞行器攻击最优轨迹,然后在某一时刻点应用伪谱算法优化轨迹;通过连续应用伪谱反馈制导算法,实时在线更新再入轨迹,直至命中目标.在考虑模型中存在误差及干扰的情况下,证明了该算法的收敛性;并通过对飞行器攻击固定目标及移动目标分别进行仿真,验证所提算法的有效性.仿真结果表明,伪谱反馈末制导算法能够对固定目标准确打击且能够修正目标机动带来的落点偏差.     

再入飞行器高空最优制导律

研究了在降弧段进行高空机动的再入飞行器的最优制导律．采用最优控制理论推导出具有再入约束条件的高空最优制导律，给出了剩余时间的计算方法．仿真结果表明，此制导律可用于再入飞行器的高空机动飞行．     

基于深度学习的高超声速飞行器再入预测校正容错制导

针对故障条件下高超声速飞行器的容错制导问题,提出一种基于深度学习的预测校正容错制导算法。在纵向制导律设计中,求解故障下满足配平要求的攻角剖面和升力、阻力系数;构建并训练输入端包含升力、阻力系数变化量的深度神经网络来预测落点,以避免传统预测校正制导算法中大量的积分运算;侧向制导采用基于航向角误差走廊的倾侧角反转逻辑;构造扩张状态观测器对气动参数变化量进行估计,实时输入深度神经网络。仿真结果表明,所设计的容错制导算法制导精度高、实时性好,且在故障和参数摄动条件下能实时解算出满足飞行要求的制导指令。